Titelkaart met de tekst 'WeMM-Video-9B vs Kandinsky 6.0 Video' en de ondertitel 'Beide open, geen van beide gemeten', twee panelen gescheiden door een vs-schijf: links met als kop WeMM-Video-9B en een 'Apache 2.0'-badge en regels met '9B dense reader', '19,54 GiB BF16', '16 frames bij 2 fps', 'twee video's per verzoek', 'retourneert tekst'; rechts met als kop Kandinsky 6.0 Video en een 'MIT-licentie'-badge en regels met '29B Pro, 3B Lite', '5 s, 121 frames, 24 fps', '44,1 kHz audio in-pass', 'geen extensiemodus', 'ongeveer 7 min H100 per clip'.
Guides & Insights

WeMM-Video-9B vs Kandinsky 6.0 Video: beide open, geen van beide gemeten

Auteur

jinhao.song

Publicatiedatum

Nieuwste modellen · 20Bekijk alle modellen →
Benchmarks: Artificial Analysis · dagelijks bijgewerkt
Terug naar alle berichten

This is a matchup where both models are open weights and both are free, which removes price from the comparison entirely and leaves two much harder questions: what each one will actually let you do, and whether anyone has checked. Kandinsky 6.0 Video, from Sber's Kandinsky Lab, was open-sourced on 6 October 2026 under MIT in two sizes — Pro at 29 billion parameters, Lite at 3 billion — with five-second clips, 44 kHz synchronised audio and lip-sync, and day-one support in Diffusers, ComfyUI, vLLM-Omni and SGLang. WeMM-Video-9B, from T​encent's WeChat Vision group, appeared six weeks later on 17 November 2026 under Apache 2.0 as 19.54 GiB of BF16 weights, unannounced, with no endpoint and no deployment story beyond a patched vLLM or SGLang overlay. Neither has an independent Elo anywhere. Neither will get one soon, for reasons that are worth separating.

Wat volgt behandelt de twee releases als wat ze zijn: een productieklaar open model met een ecosysteem, en een onderzoeksrelease met een paper. Beide beschrijvingen zijn complimenten en beide zijn beperkingen, en de volgorde waarin je ze leest bepaalt welke je moet downloaden.

Vijf seconden is de getrainde lengte

Kandinsky 6.0 Video produceert clips van vijf seconden, en het belangrijke woord is "getraind", niet "standaard". Vijf seconden bij 121 frames is de lengte die het model heeft geleerd; om meer vragen is geen instelling, het is extrapolatie, en Sber presenteert het niet als iets anders. Binnen die vijf seconden krijg je 44 kHz-audio die in dezelfde pass wordt gegenereerd met lip-sync-uitlijning, wat een werkelijk ongebruikelijke mogelijkheid is bij deze licentie en deze omvang.

Het deploymentoppervlak is het onderdeel dat de twee releases het scherpst van elkaar scheidt. Op de eerste dag leverde Kandinsky 6.0 Video een Diffusers-bundel, een command-line-entrypoint, twee ComfyUI-nodes en twee Spaces. Vervolgens heeft een externe bijdrager pull request 8537 in vLLM-Omni gemerged, waarbij de pipeline werd geregistreerd als Kandinsky6TI2VAPipeline en tekst-naar-video-en-audio en afbeelding-naar-video-en-audio vanuit één DiT worden aangeboden.

WeMM-Video-9B shipped a patched vLLM or SGLang overlay and a set of manifests. The only validation T​encent claims is that the patched runtime loaded the checkpoint on an H20 and completed a forward pass. Getting from there to a service is a day of toolchain work, and the repository is candid about it in the only way that matters: the status strings.

• FP8 Block128, 13.10 GiB — quantized_and_independently_reloaded_native_inference_pending, met native_inference_validated en native_low_precision_gemm_validated beide false.

• AWQ W4A16, 12,86 GiB — gekwantiseerd_niet_gevalideerd.

• NVFP4 W4A16, 13,07 GiB — cpu_NVFP4_weight_artifact_independently_reread, waarbij native FP4 GEMM, PRO5000-inferentie en vLLM-validatie allemaal onwaar zijn, plus een numerieke attestatie van een gemiddelde relatieve RMSE van 0,095 ten opzichte van een limiet van 0,35.

• GGUF Q4_K_M, 13.28 GiB — exported_unvalidated, and it runs only on T​encent's own runtime, not llama.cpp or Ollama.

Vier gecomprimeerde builds, allemaal binnen 0,42 GiB van elkaar, geen ervan gevalideerd voor native inferentie. Vergelijk dat met Kandinsky 6.0 Video, waar de MIT-licentie en vier onafhankelijke frontends betekenen dat het validatieprobleem al is verdeeld over mensen die niet van Sber zijn.

Two-column scoreboard headed 'WeMM-Video-9B vs Kandinsky 6.0 Video — the scoreboard', six shared dimensions in rows: Price ('free, self-host' against 'free, self-host'), Board position ('none, unrankable' against 'none, no arena row'), Licence ('Apache 2.0' against 'MIT'), Clip length ('8 s of sampled input' against '5 s, 121 frames'), Audio ('reads the soundtrack' against '44.1 kHz in-pass'), Release ('17 Nov 2026' against '6 Oct 2026'), with a footer reading 'Kandinsky figures per Sber's own evaluation; WeMM-Video-9B figures vendor-reported.'

Negentien en een halve gigabyte, uitgesplitst

WeMM-Video-9B compenseert zijn magere deploymentverhaal met een ongewoon volledige beschrijving van zichzelf. Het aantal parameters is 10.488.603.384 verdeeld over 1.305 tensors. De opsplitsing is gepubliceerd: 7,94B taalbackbone inclusief een token-embedding van 1,02B, een niet-gekoppelde output-head van 1,02B, een audiotoren van 1,08B — 32 lagen in Whisper-stijl met breedte 1.280 achter een tweelaagse Q-Former, tien audiotokens per seconde — en een visiontoren van 0,46B met 27 blokken, hidden 1.152, patch 16, 2×2 ruimtelijke merge.

Alleen de dense FFN wordt gekwantiseerd in de gecomprimeerde builds: 96 taalmatrices, drie per laag over 32 lagen van 4.096 bij 12.288, wat 4.831.838.208 elementen van de 10,49 miljard zijn. Attention wordt teruggezet naar BF16 — 152 projectiematrices plus 32 inputnormen, allemaal met SHA-256-hashes — en 1.209 tensors blijven bit-exact. Ongeveer 3,57 miljard parameters, ongeveer 7,1 GB, van de visiontower, audiotower, embedding en output head komen helemaal nooit bij de kwantisator terecht. Daarom bespaart AWQ 34% ten opzichte van BF16 in plaats van de 70% die de naam suggereert.

Niets hiervan vertelt je of het model deugt. Het vertelt je dat de release auditeerbaar is, wat een andere en ondergewaardeerde deugd is.

Geen van beide heeft een onafhankelijke score

Kandinsky 6.0 Video staat op geen van de drie Artificial Analysis-videoboards. WeMM-Video-9B ook niet. De twee afwezigheden hebben verschillende oorzaken en het verschil is belangrijk.

Kandinsky 6.0 Video heeft geen arena-inzending, en de tekst-naar-video-ranglijst vereist een API-prijs voordat er een model wordt vermeld — vijf seconden open-weight-output zonder commercieel tarief heeft geen rij om te bezetten. WeMM-Video-9B is in diepere zin niet rangschikbaar: de ranglijsten beoordelen gegenereerd beeldmateriaal, en het genereert tekst.

Wat elk lab in plaats daarvan biedt, is zijn eigen evaluatie, en beide zouden met hetzelfde scepticisme moeten worden gelezen.

• Kandinsky 6.0 Video — door de leverancier gerapporteerde VABench-resultaten plus een door het lab uitgevoerde menselijke evaluatie, ongeveer 200 paarsgewijze vergelijkingen per criterium. Ook een gerapporteerde daling van 47% in het woordfoutpercentage van gegenereerde spraak na RL-posttraining. Dat laatste cijfer verdient een kanttekening: het is gemeten met Whisper-large-v3, terwijl het VABench-WER-cijfer waarmee het wordt vergeleken Qwen3-ASR-1.7B gebruikt. Twee verschillende spraakherkenners, twee verschillende foutpercentages, geen geldige aftrekking. De verbetering kan heel goed echt zijn; het cijfer zoals gepresenteerd is niet vergelijkbaar.

• WeMM-Video-9B — de eigen harness van de auteurs, aangegeven als "officiële resultaten waar beschikbaar en anders onze eigen evaluaties." In de denkmodus verslaat het bij gecombineerde audio-visuele taken Qwen3-Omni-30B-A3B-Instruct op 35 van de 37 gedeelde cijfers, waaronder Video-MME met audio: 85,1 tegen 77,3, en SciVideoBench: 64,2 tegen 49,9, en het verliest er één, FutureOmni met 53,7 tegen 55,1. Bij stille video presteert het ten opzichte van zijn Qwen3.5-9B-backbone beter op F-16-NBA met 88,7 tegen 75,8 en op TimeLens, en slechter op MLVU, LVBench, VideoVista, VSI-Bench en MVBench.

Twee open releases, twee zelfbeoordeelde evaluaties, geen derde partij. Dat is de eerlijke stand van de techniek voor beide.

Screenshot of the Hugging Face model page for kandinskylab/Kandinsky-6.0-Pro-5s-Diffusers showing an image-to-video pipeline tag, the Diffusers and Safetensors libraries, the Kandinsky6TI2VAPipeline tag, an MIT licence, an arXiv reference, and the model card opening on the Kandinsky 6.0 family of diffusion models for video and audio generation.

Zestien frames tegen vijf seconden

Waar de twee limieten samenkomen, is interessanter dan elk van beide afzonderlijk. WeMM-Video-9B wordt geleverd met een vLLM-recept dat de eigen processorstandaardwaarden — 2 fps, minimaal 4 frames, maximaal 128, 100,663,296 pixels — verlaagt naar 2 fps en 16 frames bij 262,144 pixels, gesampled rond het midden van de clip. Zestien frames bij twee per seconde is acht seconden dekking, en elke serving-opdracht geeft ook een context van 8,192 tokens door tegen 262,144 positie-embeddings in de architectuur.

• Kandinsky 6.0 Video — vijf seconden in, vijf seconden uit, 121 frames, 44 kHz audio. Een strak getrainde lengte.

• WeMM-Video-9B — acht seconden gesamplede invoer, tekst als uitvoer, met de volledige audiotrack tot ongeveer dertien minuten bij tien tokens per seconde.

• De aansluiting — een Kandinsky-clip van vijf seconden past binnen het venster van acht seconden van WeMM-Video-9B, met drie seconden over, wat de enige configuratie is waarin het doorsturen van een gegenereerde clip naar de beschrijver probleemloos verloopt.

• De kosten van de join — Sber meldt ongeveer zeven minuten H100-tijd per Full-HD-clip, dus een generatie van vijf seconden is een reservering van zeven minuten voordat er iets wordt beschreven op lokale hardware.

Routeren op basis van cliplengte

Geen van beide modellen wordt via OrcaRouter aangeboden, en dat zal ook niet gebeuren: beide zijn open weights die je zelf host. Wat een routeringslaag voor een pipeline als deze doet, is bepalen welk deel waar draait, en de routerings-DSL is de eerlijke plek om de grens van acht seconden neer te leggen. Formuleer het als een beleid — clips korter dan acht seconden naar de lokale WeMM-Video-9B-beschrijver, langere clips naar een gehost omni-model — en de grens is niet langer een opmerking in een configuratiebestand die niemand leest totdat er een clip van zestig seconden terugkomt die in fragmenten van acht seconden blijkt te zijn beschreven.

Voor het gehoste deel van dat beleid, één API dekt meer dan 200 modellen met 0% opslag op de lijstprijs van de provider, zodat een pipeline die zowel een zelfgehoste describer als een gehuurde omvat nog steeds één factuur en één sleutel blijft. Tariefverlagingen van providers bereiken je op de dag dat ze de provider bereiken, wat van belang is wanneer de gehoste helft van je workload op basis van prijs wordt gekozen.

Screenshot of the OrcaRouter models catalogue showing the search field and the filter rail for input modalities, context length, input price, status, access tier, series, supported parameters, privacy and inference region, above a product line reading 229 models, 17 providers, one API key and one bill.

Download beide, of geen van beide

Als je deze week een werkende pipeline wilt, is Kandinsky 6.0 Video het antwoord, en niets komt in de buurt. MIT-licentie, vier deploymentoppervlakken vanaf dag één, gesynchroniseerde audio van 44 kHz met lipsynchronisatie, en een getrainde lengte van vijf seconden waarop je kunt plannen. Je levert wel duur en onafhankelijke validatie in.

Als je een 9B omnimodale beschrijver wilt die je kunt auditen, is WeMM-Video-9B het antwoord, en de audit is het punt: volledige parameterverantwoording, uitgesplitste kwantisatiedekking, eerlijke statusstrings op vier niet-gevalideerde builds. Je levert een servingcontract, een ecosysteem en elk bewijs buiten de eigen tabellen van de auteurs in.

De fout is om "open weights" als één eigenschap te lezen. Een van deze releases gedraagt zich als een product met een licentie eraan vast. De andere gedraagt zich als een paper met een checkpoint eraan vast, en welke je nodig hebt, hangt er volledig van af of je beeldmateriaal wilt uitbrengen of wilt begrijpen.